Уроки, извлеченные из последствий пересмотра: " Углубление мета-экспериментальной дистилляции для саморазвитых агентов &qt;

arXiv: 2610,07979v 1 Annuales Type: New Humber Abstract: Поскольку агенты постоянно совершенствуются посредством создания и пересмотра Квалификаций, процесс обнаружения и совершенствования этих Навыков становится самообучаемым объектом. Задача-Квалификаторы принимают непосредственное участие в выполнении задач, тогда как Meta-Skills регулируют то, каким образом агенты обнаруживают и совершенствуют будущие навыки; поэтому их ценность возникает благодаря последующим поисковым процессам, которые они вызывают. Существующие подходы позволяют улучшить качество данных о мете-квалификатурах на основе наблюдаемых траекторий квалифицированных исследований и результатов деятельности филиалов. Тем не менее, результаты деятельности филиалов запутывают эффект от первоначального состояния открытия и пересмотра Meta-Skill, что привело к процессу поиска, затрудняя характеристику того, какой конкретный пересмотр действительно изменился, а также подталкивая обновление к пересмотру, которое выгодно благоприятным штатам вместо тех, которые улучшают этот процесс. Мы введем HMED (Hindsight Meta- Experience Distillation) — механизм для построения мета-экспериментальных агентов самосовершенствования. ХМЕД Ревис